uma revisão sobre abordagens que relacionam os custos
TRANSCRIPT
UMA REVISÃO SOBRE ABORDAGENS QUE RELACIONAM OS CUSTOS DE PRODUÇÃO E O PROCESSO DE PREVISÃO DE DEMANDA
A LITERATURE REVIEW ON APPROACHES THAT RELATE THE PRODUCTION
COSTS AND DEMAND FORECASTING
Rodrigo Pessotto Almeida* E-mail: [email protected] Liane Werner* E-mail: [email protected]
*Universidade Federal do Rio Grande do Sul (UFRGS), Porto Alegre, RS Resumo: Este artigo apresenta uma revisão da literatura sobre abordagens que relacionam os custos de produção e o processo de previsão de demanda. Esta revisão contempla artigos publicados em dezenove periódicos internacionais no período de 2002 a 2013. Os artigos avaliados correspondem a publicações localizadas nas bases de dados Web of Science e Scopus. O principal objetivo deste estudo consiste em classificar e analisar os artigos levantados de acordo com 7 abordagens identificadas. Como principais contribuições, este artigo apresenta uma revisão sobre abordagens que relacionam os conceitos de custos de produção e previsão de demanda no âmbito da produção, além de discussões acerca do tema, identificando a oportunidade de pesquisas futuras para abordagens como Planejamento de Operações e Planejamento de Capacidade.
Palavras chave: Custos de produção. Previsão de demanda. Produção. Planejamento de capacidade.
Abstract: This paper presents a literature review on approaches that relate the production costs and demand forecasting. The review comprises papers published from 2002 to 2013 in 19 international journals. The papers were obtained from Web of Science and Scopus data bases. The main objective was to conduct a classification and an analysis of the published papers according to 7 identified approaches. As main contributions, this article presents a revision about approaches that relate the concepts of production costs and demand forecast. In addition, the article shows the discussions on the subject, identifying suggestions for future researches on approaches like Operations Planning and Capacity Planning. Keywords: Production costs. Demand forecasting. Manufacturing. Capacity planning.
1 INTRODUÇÃO
Dado o elevado nível de competição estabelecido pelas constantes mudanças
dos cenários econômicos mundiais, inclusive no Brasil, surgem fatores que
necessariamente devem receber atenção dos dirigentes de empresas. Neste
contexto, fatores como o nível de desempenho em gerenciar, analisar e prever os
custos do negócio caracterizam-se habilidades necessárias para estabelecer ou
sustentar vantagens competitivas às organizações (SOBREIRO et al., 2008).
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
504
Em tempos passados, com menor intensidade da concorrência, não se fazia
necessária a busca contínua pela eficiência, justificado pelo fato do mercado
absorver ineficiências e aceitar preços relativamente altos. Com a mudança deste
cenário, passou a ser fundamental para as empresas a busca incessante por
melhorias nos seus padrões de desempenho, que são representados pela eficiência
e produtividade (BORNIA, 2010).
Neste sentido, uma nova abordagem dos sistemas de custos, a análise de
custos de produção sob uma ótica gerencial, auxilia o controle e a avaliação da
empresa, ao passo que consegue mensurar desperdícios e identificar atividades que
não agregam valor ao produto. Assim, a transição dos atuais sistemas de custos de
produção para sistemas voltados ao apoio gerencial ganha importância, pois
apresentam condições de priorizar e dirigir esforços na busca pela excelência
produtiva, constituindo assim uma poderosa ferramenta de apoio ao processo de
tomada de decisão (BORNIA, 2010).
Outra maneira de auxiliar o processo de tomada de decisão é através da
adoção de técnicas de previsão de demanda, que têm como finalidade fornecer
informações oriundas do ambiente externo da empresa, básicas para o
planejamento de suas atividades. As previsões de demanda de produtos e serviços
permitem que os processos funcionais, logísticos, financeiros, marketing e de
produção sejam adequadamente gerenciados, uma vez que podem ser previamente
planejados (MAKRIDAKIS et al., 1998).
Em estudo apresentado por Danese e Kalchschimidt (2011a), os autores
abordam o papel do processo de previsão de demanda em melhorar a acuracidade
de suas previsões e também de aperfeiçoar o desempenho operacional nas
organizações. Os autores apresentam como resultado desta pesquisa o impacto
direto das variáveis do processo de previsão sobre o desempenho de custos da
organização. Destacam também que a utilização de técnicas de previsão de
demanda, bem como de diversas fontes de informações, apresentam positiva
influência sobre o desempenho de custos.
Assim, previsões acuradas impactam diretamente em melhorias no
desempenho de custos da organização, dado que viabilizam a redução de perdas.
Com as informações subsidiadas pela previsão de demanda é possível, por meio da
atividade de planejamento, estabelecer uma utilização otimizada de recursos, que
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
505
por consequência fornecem maior competitividade à organização (DANESE e
KALCHSCHIMIDT, 2011a; FISCHER e RAMAN, 1996; LI et al., 2013; PELLEGRINI
e FOGLIATTO, 2001).
Conforme apresentado, é perceptível uma relação entre custos de produção e
a previsão de demanda. Portanto, o principal objetivo deste artigo é realizar, por
meio de um mapeamento da literatura no período de doze anos, uma classificação e
análise dos artigos de acordo com as abordagens identificadas.
O presente artigo é subdividido em cinco seções. Após a introdução, na
seção 2 são apresentados os procedimentos metodológicos utilizados na execução
desta pesquisa. Na seção 3 é apresentada uma revisão da literatura, contemplando
a classificação dos artigos mapeados na revisão sobre custos de produção e o
processo de previsão de demanda. A análise dos artigos mapeados, que constitui os
resultados, e as discussões estão apresentadas na seção 4. Por fim, na seção 5 são
apresentadas as considerações finais do estudo.
2 PROCEDIMENTOS METODOLÓGICOS
Diversas são as classificações atribuídas aos diferentes métodos de
pesquisa, empregados para formalizar a geração de conhecimento. Sampaio e
Mancini (2007) definem revisão sistemática como uma forma de pesquisa que utiliza
como fonte de dados a literatura existente de um determinado tema. Para os
autores, esta forma de pesquisa constitui uma investigação que disponibiliza um
resumo das evidências relacionadas a uma estratégia de intervenção, que é
composta pelas seguintes etapas: aplicação de métodos explícitos e sistematizados
de busca, apreciação crítica e síntese da informação selecionada. Utilizando este
método de pesquisa, este trabalho foi desenvolvido conforme as seguintes etapas:
(i) mapeamento dos artigos publicados na literatura, (ii) leitura e classificação dos
artigos conforme suas abordagens e, (iii) análise de resultados.
Esta revisão iniciou através de uma busca em periódicos abrangidos pelas
bases de dados: Web of Science e Scopus que mapeou um total de 731 artigos,
sendo utilizado como critério de seleção os artigos que apresentavam a raiz das
palavras “cost”, “forecast” e “manufacturing” no título, resumo ou nas palavras
chaves, publicados até o ano de 2013. A seguir optou-se por periódicos com um
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
506
maior número de publicações sobre custos e previsão de demanda, ficando fora da
seleção os periódicos com menos de três publicações sobre o assunto proposto e os
periódicos não contemplados pelas bases de dados pesquisadas, reduzindo a um
total de 238 publicações.
Como passo seguinte, adotou-se o critério de selecionar os artigos publicados
nos anos que correspondem ao intervalo entre 2002 a 2013, o qual corresponde a
uma recente e significativa parcela da literatura existente. Com o auxílio do software
Mendeley, foi possível gerenciar os 156 artigos restantes, onde foi verificada a
ocorrência de duplicidade para 38 artigos, por estarem publicados em ambas as
bases pesquisadas, restando assim 118 publicações a serem submetidas ao critério
final.
Como critério final, foram escolhidos os artigos com abordagem de análise de
custos e previsão de demanda em sistemas de produção, identificada através da
leitura dos abstracts, sendo necessária para alguns casos a leitura do texto
completo.
Considerando apenas os artigos que atenderam a todos os critérios
anteriormente determinados, incluindo à disponibilidade de acesso na íntegra de
seus textos, 44 artigos foram selecionados. Porém a análise final foi conduzida
através das abordagens apresentadas em 47 artigos, uma vez que 03 artigos
constituem referências encontradas nos artigos selecionados pelos critérios acima
descritos, e devido a sua relevância ao tema, no julgamento dos autores deste
estudo, foram incluídos nesta revisão. Os artigos analisados constituem publicações
localizadas nos periódicos apresentados no Quadro 1.
Após o mapeamento da bibliografia disponível, a segunda etapa envolveu a
leitura e classificação das abordagens apresentadas. Com as abordagens
apresentadas pelos artigos, foi possível identificar as seguintes classificações:
Desempenho operacional, Estimativas de custos, Gestão de estoques,
Planejamento da capacidade, Planejamento de operações, Planejamento de
produção e, Cadeia de suprimentos.
Com a classificação dos artigos mapeados, na terceira etapa foi possível
realizar a análise de resultados que sintetiza as informações obtidas com os artigos
incluídos na revisão. Esta etapa contemplou a avaliação do número de artigos por
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
507
periódico, número de artigos por ano de publicação, número de artigos por
abordagem e oportunidades de pesquisas futuras.
Quadro 1 - Lista dos periódicos de publicação dos artigos mapeados
Periódicos CIE 2009 International Conference on Computers and Industrial Engineering Journal of Intelligent Manufacturing
Computers and Industrial Engineering Journal of Manufacturing Science and Engineering
Computers and Operations Research Journal of Operations Management European Journal of Operational Research Journal Service Science & Management
IEEE Transactions on Semicondutor Manufacturing Management Science
Interfaces Manufacturing and Service Operations Management
International Journal of Advanced Manufacturing Technology Mechanika
International Journal of Industrial Engineering Theory Applications and Practice
Proceedings of the Institution of Mechanical Engineers Part C: Journal of Mechanical Engineering Science
International Journal of Production Economics Production Planning and Control
International Journal of Production Research
Fonte: Autores
3 REVISÃO DA LITERATURA
Com o surgimento de sistemas produtivos multiprodutores, o custeio da
produção se tornou um princípio condutor para monitorar a eficiência de todas as
atividades realizadas, bem como vincular o desempenho dos processos à
rentabilidade global da organização (SOBREIRO e outros, 2008). Assim, o custeio
da produção assume uma posição importante de apoio à tomada de decisão nas
funções de gestão e controle das empresas.
Do mesmo modo, previsões de demanda desempenham importante papel na
gestão organizacional, pois permitem o planejamento das diversas áreas, como área
financeira, de recursos humanos e de vendas. Previsões também apresentam
relação direta a diversos aspectos do gerenciamento de produção, como gestão de
estoques e planejamento de produção (PELLEGRINI e FOGLIATTO, 2001).
De modo geral, as diversas técnicas de previsão de demanda podem ser
classificadas em métodos quantitativos, qualitativos ou combinações de ambos.
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
508
Métodos quantitativos geralmente são mais precisos, quando uma quantidade
adequada de dados históricos esteja disponível e o fenômeno em investigação seja
estável. Métodos qualitativos são utilizados quando não existem dados disponíveis e
o fenômeno em investigação está em mudança, fazendo com que o passado seja
incapaz de explicar o estado futuro (CANIATO et al., 2011).
Para Li et al. (2013), a obtenção de previsões mais precisas levam à redução
dos custos totais de produção. Tais custos estão relacionados com a fabricação dos
produtos, sendo normalmente divididos em Matéria-prima, Mão de obra direta e
Custos indiretos de fabricação. Custos de matéria-prima correspondem aos
principais materiais integrantes do produto. Os custos de mão de obra direta são
aqueles relacionados aos trabalhadores diretamente envolvidos na fabricação dos
produtos. Os demais custos de produção são classificados como custos indiretos de
fabricação (BORNIA, 2010).
A classificação dos custos em termos de sua relação com o volume de
produção divide-se em custos fixos e variáveis. Custos fixos são aqueles que
independem do nível de atividade da empresa no curto prazo. Já os custos variáveis
estão diretamente relacionados com o volume de produção (BORNIA, 2010).
Outra forma de classificação dos custos de produção apresentada pelo autor,
considerando sua facilidade de alocação, é a separação destes em diretos e
indiretos. Custos diretos são facilmente relacionados com as unidades de alocação
de custos como, produtos e processos. Os custos indiretos não são facilmente
atribuídos às unidades, exigindo a adoção de critérios para sua alocação.
Seguindo a relação de influência entre previsão de demanda e o desempenho
de custos, gerados a partir da utilização dos recursos de produção, apresentada por
Danese e Kalchschimidt (2011a), Fischer e Raman (1996), Li et al. (2013), Pellegrini
e Fogliatto (2001), esta pesquisa buscou mapear artigos com abordagens que
relacionam custos e previsão de demanda.
Com a leitura dos artigos selecionados, primeiramente identificaram-se as
abordagens classificadas em 7 categorias, a saber: Cadeia de suprimentos,
Desempenho operacional, Estimativas de custos, Gestão de estoques,
Planejamento da capacidade, Planejamento de operações e Planejamento de
produção. O Quadro 2 apresenta a classificação dos 47 artigos analisados,
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
509
representados pela sua referência, identificando a distribuição destes em relação às
7 abordagens identificadas.
Quadro 2 - Abordagens identificadas e artigos em cada classificação Abordagens Artigos
Planejamento de produção
Khouja e Kumar (2002) Zhang et al. (2011) Lan e Lan (2005) Ponsignon e Lars (2012) Chen et al. (2007) Tiacci e Saetta (2012) Christou et al.(2007) Chhaochhria e Graves (2013) Briffaut e Lallement (2010) Li et al. (2013) Feng et al. (2011) Zhang et al. (2013)
Estimativas de custos
Cavalieri et al.(2004) Čikotiené e Bargelis (2009) Tang et al. (2004) Chou et al. (2010) Dai et al. (2006) Stasiškis et al. (2011) Bargelis e Rimašauskas (2007) Chang et al. (2012) Wang (2007) Stockton et al. (2013)
Desempenho operacional
Kassel e Tittmann (2007) Danese e Kalchschmidt (2011b) Chatfield e Hayya (2007) Rimašauskas e Bargelis (2012) Hillberg et al.(2009) Agard e Bassetto (2013) Wu et al. (2010) Tirkel (2013) Danese e Kalchschmidt (2011a)
Cadeia de suprimentos
Thonemann (2002) Yimer e Demirli (2010) Cohen et al. (2003) Kabak e Ulengin (2011) Ülkü et al. (2007) Phuc et al. (2013)
Planejamento de operações
Saitou et al. (2002) Girardi e Camargo (2009) Meredith e Akinc (2007) Thome et al. (2012)
Gestão de estoques
Persona et al. (2007) Ji et al. (2008) Saygin (2007)
Planejamento da capacidade
Cakanyildirim e Roundy (2002) Bish et al. (2005) Hood et al. (2003)
Fonte: Autores
3.1 PLANEJAMENTO DE PRODUÇÃO
Com esta abordagem foram localizados doze artigos, onde a atividade de
planejamento de produção é compreendida pela maioria dos autores como um
grande desafio para organizações, em função de depender diretamente da
capacidade destas em prever sua demanda, bem como ter impacto significativo nos
custos de produção. Assim Chhaochhria e Graves (2013) abordam o planejamento
da produção aplicando simulação para determinar políticas otimizadas de estoques
que visa atender cenários de demanda incerta, assegurando alto nível de serviço
aliado à minimização dos custos operacionais. Chen et al. (2007) apresentam quatro
modelos para o planejamento baseados em previsão de demanda, custo de
produção, capacidade produtiva e quantidade em estoque. Entendendo as
dificuldades que a incerteza na demanda gera para o sistema de produção, Khouja e
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
510
Kumar (2002) analisam investimentos e custos na aplicação de tecnologia da
informação (TI) para tornar os sistemas de manufatura flexíveis, como forma de
minimizar os problemas de planejamento de produção.
Briffaut e Lallement (2010) conduzem uma analogia desenvolvida através de
conceitos e técnicas utilizadas no ambiente econômico, aplicando programação
linear para definir o melhor momento para iniciar uma ordem de produção, tendo
como variáveis dependentes o custo unitário e o preço de venda unitário, o qual é
regulado pelo nível de demanda do mercado. Li et al. (2013), utilizando o algoritmo
de aprendizado backpropagation neural network (BPNN), apresentam um modelo
para previsão de demanda destinado a situações onde os dados disponíveis para
condução de análises são limitados. Para um cenário com múltiplos produtos e
componentes comuns, Zhang et al. (2013) apresentam um algoritmo que visa
otimizar a eficiência do sistema de produção baseado no adiamento da
diferenciação dos produtos, permitindo que informações de demanda do produto
final sejam atualizadas próxima a etapa de sua fabricação.
Tiacci e Saetta (2012) apresentam três modelos simplificados utilizando Mixed
Integer Programming (MIP), voltados a problemas de dimensionamento de lotes e
programação da produção. Os modelos são aplicados em um estudo de caso real
em uma empresa fabricante de pisos de madeira, onde custos de setup dependem
da sequência programada de itens, a demanda futura é obtida a partir de previsões
e o plano de produção é conduzido em horizonte rolante. Ponsignon e Lars (2012)
desenvolvem um estudo para avaliar o problema de dimensionamento de recursos
para atender demandas previstas, considerando as restrições de capacidade bem
como os custos fixos relacionados. Como consequência, dois procedimentos
heurísticos são propostos pelos autores: (i) produto baseado em esquemas de
decomposição, e (ii) algoritmo genético. Com o objetivo de determinar o plano de
produção que abrange exigências de cada período, minimizando todos os custos
relevantes, Christou et al. (2007) apresentam uma abordagem de decomposição
hierárquica do processo de planejamento de produção para multiprodutos. A
aplicação parcial do modelo é conduzida em uma grande empresa engarrafadora de
sucos e bebidas.
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
511
3.2 ESTIMATIVAS DE CUSTOS
Nesta abordagem foram classificados dez artigos, onde o enfoque principal é
direcionado à condução de estimativas de custos de produtos em fases iniciais de
desenvolvimento. Dai et al. (2006) apresentam uma revisão metodológica que
compreende o estado da arte relacionado às abordagens de estimativas de custos.
Diversas técnicas e metodologias desenvolvidas ao longo dos anos são
classificadas, discutindo suas principais vantagens e limitações, identificando
tendências atuais e perspectivas futuras para o tema.
Wang (2007) descreve um processo de desenvolvimento de modelos de
custos, além de conduzir uma avaliação sobre os efeitos de cada elemento
estrutural de artificial neural networks (ANN), em relação à eficácia da modelagem
de custos global em um ambiente de produção colaborativa. Cavalieri et al. (2004)
apresentam um estudo onde são comparados os resultados alcançados com a
aplicação de técnicas de estimativas tradicionais de custos com resultados obtidos
através da implementação de um modelo utilizando ANN. Chou et al. (2010) trazem
como proposta para estimativas de custos rápidas e precisas, um modelo baseado
em inteligência artificial. Um modelo combinado para previsão de custo unitário do
produto, que integra raciocínio baseado em casos (CBR) e ANN é proposto por
Chang et al. (2012).
Para auxiliar os sistemas tradicionais de custos, Stockton et al. (2013) avaliam
o desempenho de três algoritmos de mineração de dados com a finalidade de
identificar e priorizar direcionadores de custos. Stasiškis et al. (2011) apresentam um
modelo de classificação de produtos e componentes mecânicos, baseado em
simulação, capaz de desenvolver estimativas de custos de produção. Já Čikotiené e
Bargelis (2009) apresentam uma modelagem matemática capaz de prever custos de
qualidade em processos de fabricação de produtos mecânicos, baseado em
características como material, geometria, dimensão, tolerância e outros, auxiliando
assim as empresas a minimizar perdas de recursos na operacionalização de seus
processos.
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
512
3.3 DESEMPENHO OPERACIONAL
Nesta categoria foram incluídos nove artigos, onde os principais autores
discutem o impacto da acuracidade das previsões de demanda em relação ao
desempenho operacional, avaliando principalmente o indicador custos de produção.
Danese e Kalchschmidt (2011a) investigam os impactos da acuracidade das
previsões e sua forma de condução sobre o desempenho operacional relacionado a
custos de produção e entrega. Para estes a estrutura do processo de previsão deve
ser coerente com a forma como os gestores pretendem aproveitar os resultados
previstos, e com o objetivo que deve ser alcançado. Outro estudo apresentado pelos
autores consiste na análise de hipóteses levantadas em relação à interpretação de
como as variáveis do processo de previsão podem afetar o desempenho de custos e
entrega da empresa (DANESE e KALCHSCHMIDT, 2011b).
Para Kassel e Tittmann (2007), a competitividade das organizações está
vinculada a sua habilidade em compreender o comportamento de seus clientes,
onde informações seguras sobre quantidades a serem produzidas em períodos
futuros assegura a estas uma melhor otimização de seus processos produtivos, o
que consequentemente, se traduz em redução dos custos de produção. Hillberg et
al. (2009) convergem neste posicionamento, porém apresentam um estudo
comparativo entre a técnica estatística de análise de regressão, ANN e técnicas de
raciocínio baseado em casos (CBR), para construção de indicadores capazes de
prever estados de desempenho futuro.
Para indústria de produtos tecnológicos, Wu et al. (2010) apresentam um
modelo baseado na combinação de modelos difusos que reduzem a variância da
previsão utilizando informações oriundas do mercado, adquiridas ao longo do tempo.
A validação prática do modelo é conduzida em uma grande companhia fabricante de
produtos eletrônicos, onde os resultados mostraram significativas reduções nos
erros de suas previsões, provocando expressivas reduções de custos para a
organização. Já Rimašauskas e Bargelis (2012) apresentam um modelo baseado
em ANN com a finalidade de prever indicadores de produtividade na indústria de
transformação.
Para decisões relacionadas ao projeto de novos produtos, Agard e Bassetto
(2013) apresentam um algoritmo que busca otimizar requisitos de custos e
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
513
qualidade. Em relação ao processo produtivo, Tirkel (2013) destaca o papel das
curvas de aprendizagem em fornecer a base para melhorias na produtividade e em
custos em diversas áreas de fabricação. Assim o autor investiga o desempenho
destes modelos em um processo de fabricação de semicondutores.
3.4 Cadeia de suprimentos
Conforme os seis artigos mapeados nesta abordagem, muitos são os riscos
associados às diversas operações da cadeia de suprimentos em um cenário de
demanda incerta. Para lidar com estas incertezas, Phuc et al. (2013) utilizam
programação dinâmica para determinar planos de produção otimizados em uma
cadeia de suprimentos, considerando influências do mercado.
Cohen et al. (2003) investigam o problema enfrentado por fabricantes de
produtos altamente personalizados de elevado valor econômico. Conforme
apresentado pelos autores, estes fabricantes, previamente ao recebimento de um
pedido formal, recebem de seus clientes, estimativas de potenciais demandas com a
finalidade de melhorar o desempenho de toda a cadeia de suprimentos. Assim,
existe o problema de definir o melhor momento para iniciar a mobilização da cadeia
para atendimento à demanda, uma vez que existe trade-offs como a geração
precipitada de custos aliada à possibilidade de cancelamento, ou elevação de custos
em função de atraso. Para os autores, o simples compartilhamento de informações
por si só não é suficiente para promover um desempenho otimizado da cadeia de
suprimentos, sendo fundamental a predisposição de o cliente compartilhar os riscos
juntamente com o fornecedor relativos à possibilidade de cancelamento de pedidos.
Já Ülkü et al. (2007) apontam a tendência das empresas em terceirizar parte
de suas operações com a finalidade de se tornarem especialistas em seus
processos. Assim eles discutem a distribuição dos riscos de produção relacionados
à cadeia onde a demanda é incerta. Yimer e Demirli (2010) apresentam um estudo
onde é utilizada programação dinâmica para o planejamento das atividades
relacionadas à cadeia de suprimentos. No estudo conduzido por Kabak e Ulengin
(2011), um modelo de programação linear é empregado para auxiliar no processo de
tomada de decisão em relação ao planejamento de recursos, o qual utiliza
informações como previsão de demanda, custos e capacidade.
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
514
3.5 Planejamento de operações
Quatro artigos foram classificados nesta abordagem, destacando-se o
trabalho conduzido por Thome et al. (2012), onde é apresentada uma revisão
sistemática analisando 55 artigos sobre o Planejamento de Vendas e Operações
(Sales and Operation Planning – S&OP), constituindo a literatura disponível sobre
este tema. Nesta abordagem, o S&OP é analisado como uma ferramenta
predominantemente tática, uma vez que integra o planejamento estratégico do
negócio ao plano de operações, apresentando variações de acordo com os
contextos industriais e estratégias de produção.
Meredith e Akinc (2007) apresentam uma nova estratégia de produção
destinada a um segmento da indústria, como para fabricantes de equipamentos de
engenharia de grande porte, que constitui um modelo híbrido que integra make-to-
order (MTO) e make-to-stock (MTS), apresentando a estratégia chamada de make-
to-forecast (MTF). Girardi e Camargo (2009) apresentam um modelo integrado de
previsão utilizando a metodologia de Box & Jenkins (modelos ARIMA) combinado
com métodos qualitativos. Para validação este é comparado com um modelo
baseado exclusivamente na experiência do pessoal da área de vendas, para a
previsão de demanda de determinados produtos, na qual está baseado o
planejamento de operações.
3.6 Gestão de estoques
A previsão de demanda assume um papel crucial, pois ao passo que as
empresas buscam enfrentar incertezas de demanda necessariamente precisam
controlar seus custos de produção, gerenciando corretamente seus níveis de
estoque. Três artigos mapeados constituem abordagem sobre gestão de estoques,
onde Persona et al. (2007) apresentam uma análise de custos baseada em modelos
analíticos capazes de otimizar o nível de serviço prestado ao cliente em sistemas de
produção Make to Order (MTO) e Assembly to Order (ATO). Estes modelos
baseiam-se na determinação de níveis ótimos de estoques de segurança para
conjuntos pré-montados e componentes, utilizados na fabricação do produto final. Já
Saygin (2007) apresenta um comparativo entre modelos de gestão de estoques de
produtos sensíveis ao tempo, com base em nível de serviço, custo, inventário,
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
515
redução de perdas e complexidade na tomada de decisão. Além de dois modelos
tradicionais baseados em níveis de estoque, é proposto um modelo de previsão de
inventário formado pela integração de tecnologias de radio frequency identification
(RFID) com técnicas de gestão de estoques em chão de fábrica. Ji et al. (2008)
apresentam um modelo matemático com o objetivo de proporcionar o planejamento
das atividades de transporte e dos níveis de inventário, a fim de minimizar custos
relacionados.
3.7 Planejamento de capacidade
Foram encontrados três artigos orientados a planejamento de capacidade.
Cakanyildirim e Roundy (2002), utilizando técnicas de planejamento de capacidade
otimizadas e heurísticas, investigam alguns efeitos de práticas tradicionais no
desempenho do planejamento de capacidade. Hood et al. (2003) conduzem um
estudo aplicado ao planejamento de capacidade em indústrias fabricantes de
semicondutores, apresentando um modelo para auxiliar na definição do número de
ferramentas necessárias para o atendimento da demanda prevista, utilizando
programação inteira estocástica para definir mudanças no perfil de demanda. Um
conjunto de cenários de demanda discretos é considerado, gerando informações
para aquisição de ferramentas sob uma restrição orçamentária, minimizando efeitos
de demandas insatisfeitas. Bish et al. (2005) investigam os custos e benefícios
associados à gestão da flexibilidade de capacidade para mitigar flutuações de curto
prazo na demanda utilizando variadas políticas de alocação desta aos produtos.
4 RESULTADOS E DISCUSSÃO
Na Tabela 1 é apresentada uma análise da distribuição dos artigos mapeados
por periódicos e ano de publicação. Observa-se que os periódicos International
Journal of Production Economics, International Journal of Production Research e
Journal of Intelligent Manufacturing concentram aproximadamente 42,6% das
publicações referentes a abordagens que relacionam custos de produção com o
processo de previsão de demanda.
Em relação ao número de publicações ao longo dos anos, nota-se na Tabela
1, o maior pico de ocorrência no ano de 2007 com quase 21,3% dos artigos
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
516
publicados, e uma retomada do tema nos anos de 2011, 2012 e 2013, sendo estes
responsáveis por concentrar aproximadamente 38,3% dos artigos analisados.
A Tabela 2 apresenta uma análise dos artigos mapeados classificados de
acordo com as abordagens identificadas e ao ano de publicação. Com base nesta
classificação, os artigos estão distribuídos em sete abordagens ao longo de doze
anos, com destaque para as abordagens Planejamento de Produção, Estimativas de
Custos, e Desempenho Operacional, que concentram aproximadamente 66% dos
artigos avaliados. Tabela 1 – Número de artigos em relação aos periódicos e ao ano de publicação.
Periódicos
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Total % Acum.
International Journal of Production Economics 1 2 1 2 2 1 9 19,1
International Journal of Production Research 1 2 2 2 7 34,0
Journal of Intelligent Manufacturing 1 1 1 1 4 42,5
International Journal of Advanced Manufacturing Technology
1 1 1
3 48,9
Management Science 1 1 1 3 55,3
Mechanika 1 1 1 3 61,7 IEEE Transactions on Semicondutor Manufacturing
1 1 1 3 68,1
Computers and Industrial Engineering 1 1 2 72,4
International Journal of Industrial Engineering Theory Applications and Practice
1 1
2 76,7
European Journal of Operational Research 1 1 2 81,0
CIE 2009 International Conference on Computers and Industrial Engineering
1
1 83,2
Computers and Operations Research 1 1 85,3
Interfaces 1 1 87,4 Journal of Operations Management 1 1 89,5
Journal Service Science & Management 1 1 91,6
Manufacturing and Service Operations Management
1
1 93,7
Journal of Manufacturing Science and Engineering
1
1 95,8
Proc. of the Institution of Mechanical Engineers Part C: Journal of Mechanical Engineering Science
1
1 97,9
Production Planning and Control 1 1 100,0
Total 4 2 2 2 1 10 1 3 4 6 5 7 47 100 % 8,5 4,3 4,3 4,3 2,1 21,3 2,1 6,4 8,5 12,8 10,6 14,9 100
Fonte: Autores
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
517
Com a leitura dos 47 artigos sobre abordagens relacionadas ao tema, custos
de produção e o processo de previsão de demanda, constatou-se a flexibilidade na
utilização destes conceitos, bem como a diversidade de situações onde estes são
empregados no ambiente de produção. Tais conceitos tem se tornado útil para a
criação de estratégias de produção buscando a otimização na utilização e aplicação
de recursos, por meio de atividades de planejamento e gestão operacional. Estes
também são empregados em aplicações diversas voltadas à avaliação de
desempenho dos sistemas produtivos. Tabela 2 – Número de artigos em relação ao ano de publicação e às abordagens.
Abordagens
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Total % (acum.)
Planejamento de produção 1 1 2 1 2 2 3 12 25,5 Estimativas de custos 2 1 2 1 1 1 1 1 10 46,8 Desempenho operacional 2 1 1 2 1 2 9 65,9 Cadeia de suprimentos 1 1 1 1 1 1 6 78,7 Planejamento de operações 1 1 1 1 4 87,2 Gestão de estoques 2 1 3 93,6 Planejamento da capacidade
1 1 1 3 100,0
Total 4 2 2 2 1 10 1 3 4 6 5 7 47 100 % 8,5 4,3 4,3 4,3 2,1 21,3 2,1 6,4 8,5 12,8 10,6 14,9 100
Fonte: Autores
É possível destacar as abordagens: Planejamento de Produção e Estimativas
de Custos, por concentrarem aproximadamente 47% dos artigos mapeados. Para
suportar a complexidade do ambiente de produção moderno, modelagens de custos
tornam-se indispensáveis como ferramentas que podem produzir respostas mais
precisas e flexíveis para a tomada de decisão (WANG, 2007). Diversas foram as
abordagens conduzidas com a finalidade de estimar custos, porém, destaca-se a
utilização por vários autores da técnica de ANN para esta atividade. No estudo
conduzido por Dai et al. (2006), são apresentadas as diversas técnicas e
metodologias desenvolvidas ao longo dos anos, discutindo suas principais
vantagens e limitações, bem como a importância deste tema para as organizações.
Fundamentalmente, as aplicações destes modelos se limitam a estimar custos de
fabricação em fases iniciais do desenvolvimento de produto.
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
518
Um posicionamento comum entre as abordagens de Planejamento de
Produção é a complexidade de execução desta atividade provocada pela incerteza
na demanda de produtos ou serviços a que as organizações estão submetidas
(CHEN et al., 2007; KHOUJA e KUMAR, 2002; LI et al., 2013). Diferentes técnicas
foram identificadas para a atividade de planejar a produção, como modelos
matemáticos, capacidade de flexibilização da manufatura e modelagem
computacional. Todos os modelos apresentados baseiam-se na previsão de
demanda como meio de planejar a necessidade de recursos, de tal forma a
proporcionar redução nos custos relacionados à utilização destes recursos.
Na abordagem de Desempenho Operacional, evidencia-se a progressiva
preocupação com questões relacionadas ao papel do processo de previsão de
demanda sobre o desempenho do sistema produtivo. Para Hillberg et al. (2009),
previsões acuradas acerca do estado futuro constituem informações úteis para os
gestores na busca pela otimização dos sistemas produtivos. Nos estudos de Danese
e Kalchschmidt (2011a) e Danese e Kalchschmidt (2011b) também é discutida a
relação da acuracidade da previsão em relação a indicadores organizacionais,
incluindo investigações sobre variáveis presentes neste processo.
Uma importante observação é o fato de uma significativa tendência em
incorporar aspectos financeiros e parâmetros econômicos nas diversas abordagens
que relacionam previsão de demanda e avaliação de custos, buscando formalizar
ferramentas de auxílio à tomada de decisão. Neste sentido, estas se tornam técnicas
com linguagem facilmente entendidas pelos gestores e demais usuários.
Conforme apresentado por Lan e Lan (2005), pesquisas com foco no
planejamento de recursos de produção em diferentes cenários representam uma
importante frente de pesquisa, uma vez que esta pode ser considerada uma
atividade estratégica na maioria dos sistemas produtivos.
Conforme proposto por Thome et al. (2012), a integração de planos
financeiros junto ao processo de Planejamento de Vendas e Operações (S&OP)
constitui uma importante linha de pesquisa, uma vez que existem poucos artigos que
realizam esta abordagem, incluindo o fato desta ser uma necessidade apontada por
diversos pesquisadores, ressalta o autor. Adicionalmente observa-se que a inclusão
de parâmetros econômicos nesta análise pode trazer benefícios às organizações,
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
519
pois o S&OP tem como objetivo melhorar resultados, otimizando receitas e lucros,
estabelecendo um equilíbrio entre oferta, capacidade dísponivel e demanda.
Para o tópico de estimativas de custos, verifica-se a oportunidade de
ampliação de estudos relacionados à utilização de técnicas recentes como
inteligência artificial, CBR e ANN para alcançar estimativas de custos rápidas e
precisas, auxiliando o processo de tomada de decisão. Estudos de casos aplicados
à indústria, utilizando estes conceitos, também contituem interessantes linhas de
pesquisa.
Corroborando com as abordagens apresentadas por Persona et al. (2007) e
Bish et al. (2005), estudos voltados à adoção de conceitos de gestão da flexibilidade
da capacidade e gestão de estoques, caracterizam significativas linhas de pesquisa
para otimização de custos na configuração e operação dos sistemas produtivos.
Considerando a parcela da literatura abrangida por este estudo, identifica-se
que a abordagem de planejamento de capacidade tem sido objeto de poucas
publicações. Para Yimer e Demirli (2010), no atual ambiente competitivo, agilidade e
processos enxutos se tornaram preocupações estratégicas para empresas de
manufatura em seus esforços para ampliar sua participação de mercado. Assim,
verifica-se a necessidade de estudos que discutam a avaliação da capacidade
instalada de um sistema produtivo frente à capacidade economicamente
interessante para atendimento da demanda de mercado. Esta análise é interessante
para as empresas de manufatura, pois permite avaliar de forma pró ativa o nível de
alinhamento de sua capacidade produtiva com o seu mercado.
5 CONSIDERAÇÕES FINAIS
Abordagens que relacionam o processo de previsão de demanda com a
avaliação de custos de produção podem revelar importantes medidas de apoio à
gestão empresarial, bem como auxiliar na otimização dos sistemas produtivos, uma
vez que gerenciar, analisar e prever custos do negócio é essencial para estabelecer
vantagens competitivas para a organização (SOBREIRO et al., 2008). O presente
estudo levantou artigos sobre abordagens relacionadas ao tema, custos de
produção e o processo de previsão de demanda no âmbito de produção, publicados
no período de 2002 a 2013. Com este levantamento foram identificados e analisados
47 artigos, posteriormente classificados em 7 abordagens. Adicionalmente foram
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
520
realizadas análises em relação à distribuição destes artigos, considerando
publicações por ano, artigos por periódicos e número de artigos por abordagem.
Constata-se que os periódicos International Journal of Production Economics,
International Journal of Production Research e Journal of Intelligent Manufacturing
concentram aproximadamente 42,6% do total das publicações. Em relação aos
tópicos de interesse, verifica-se que as abordagens Planejamento de Produção,
Estimativas de Custos, e Desempenho Operacional concentram aproximadamente
66% do total de artigos avaliados.
O tópico Estimativas de Custos assume um papel crucial nas organizações,
uma vez que apresenta relação direta no desempenho e eficácia destas, onde
superestimação de custos pode resultar em perda de negócios, enquanto que a
subestimação pode levar a significativas perdas financeiras para a empresa (DAI et
al., 2006).
Segundo Chen et al. (2007), Khouja e Kumar (2002) e Li et al. (2013), a
incerteza da demanda de produtos ou serviços faz com que o planejamento de
produção seja uma atividade relativamente complexa para as organizações. Assim,
visando a otimização dos sistemas produtivos, tornan-se indispensáveis a adoção de
modelos que forneçam previsões acuradas acerca do estado futuro. Do mesmo
modo, o Desempenho Operacional também estará condicionado ao nível de
acuracidade das previsões, pois consiste na execução do planejamento.
Outra forma de enfrentar este problema é o emprego de medidas de
flexibilização da capacidade produtiva (BISH et al., 2005). Já Persona et al. (2007),
Chhaochhria e Graves (2013) destacam a utilização de políticas de gestão de
estoques como alternativa para lidar com incertezas na demanda.
Entretanto, estudos relacionados às abordagens de Planejamento de
Operações e Planejamento de Capacidade ainda apresentam oportunidades de
maiores pesquisas, sendo oportuna a incorporação de conceitos adicionais, como
econômicos e financeiros. Conforme Silva e Leite (2013), são necessários estudos
sobre planejamento de capacidade de longo prazo, apoiados em previsões de
demanda acuradas, com o intuito de garantir a plena utilização dos recursos. Estes
destacam também a necessidade de um controle de custos contínuo, para atingir
custos cada vez mais baixos, visando à satisfação dos clientes.
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
521
Portanto, é evidente a contribuição que decisões, fundamentadas em custos e
previsão de demanda, podem fornecer às organizações em seu desafio de equilibrar
capacidade de produção com a demanda.
Como principais contribuições do presente artigo destacam-se: (i)
identificação de significativa parcela de abordagens existentes sobre o tema
proposto; (ii) classificação dos artigos avaliados em relação a sua abordagem; e (iii)
análise da classificação, identificando oportunidades de pesquisas futuras, sendo útil
para pesquisadores voltados à área de otimização de sistemas produtivos.
REFERÊNCIAS
AGARD, B.; BASSETTO, S. Modular design of product families for quality and cost. International Journal of Production Research, v. 51, 6th ed., p. 1648-1667, 2013. http://dx.doi.org/10.1080/00207543.2012.693963 BARGELIS, A.; RIMAŠAUSKAS, M. Cost forecasting model for order-based sheet metalworking. Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, v. 221(1), p. 55–65, 2007. http://dx.doi.org/10.1243/0954406JMES269 BISH, E. K.; MURIEL, A.; BILLER, S. Managing flexible capacity in a make-to-order environment. Management Science, v. 51(2), p. 167–18, 2005. http://dx.doi.org/10.1287/mnsc.1040.0322 BORNIA, A. C. Análise gerencial de custos: aplicação em empresas modernas. 3. ed. São Paulo: Atlas, 2010. BRIFFAUT, J.-P.; LALLEMENT, P. Volatility Forecasting of Market Demand as Aids for Planning Manufacturing Activities. Journal Service Science & Management, v. 3, p. 383-389, 2010. http://dx.doi.org/10.4236/jssm.2010.34045 CAKANYILDIRIM, M.; ROUNDY, R. O. Evaluation of capacity planning practices for the semiconductor industry. IEEE Transactions on Semiconductor Manufacturing, v. 15 (3), p. 331–340, 2002. http://dx.doi.org/10.1109/TSM.2002.801386 CANIATO, F.; KALCHSCHMIDT, M.; RONCHI, S. Integrating quantitative and qualitative forecasting approaches: organizational learning in an action research case. Journal of the Operational Research Society, v. 62, p. 413–424, 2011. http://dx.doi.org/10.1057/jors.2010.142 CAVALIERI, S.; MACCARRONE, P.; PINTO, R. Parametric vs. neural network models for the estimation of production costs : A case study in the automotive industry. International Journal of Production Economics, v. 91, p. 165–177, 2004. http://dx.doi.org/10.1016/j.ijpe.2003.08.005 CHANG, P.-C.; LIN, J.-J.; DZAN, W.-Y. Forecasting of manufacturing cost in mobile phone products by case-based reasoning and artificial neural network models. Journal of Intelligent Manufacturing, v. 23 (3), p. 517–531, 2012.
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
522
http://dx.doi.org/10.1007/s10845-010-0390-7 CHATFIELD, D. C.; HAYYA, J. C. All-zero forecasts for lumpy demand: a factorial study. International Journal of Production Research, v. 45 (4), p. 935–950, 2007. http://dx.doi.org/10.1080/00207540600622480 CHEN, A.; HSU, C.-H.; BLUE, J. Demand planning approaches to aggregating and forecasting interrelated demands for safety stock and backup capacity planning. International Journal of Production Research, v. 45 (10), p. 2269–2294, 2007. http://dx.doi.org/10.1080/00207540600690693 CHHAOCHHRIA, P.; GRAVES, S. C. A forecast-driven tactical planning model for a serial manufacturing system. International Journal of Production Research, v. 51, n. 23–24, p. 6860–6879, 2013. http://dx.doi.org/10.1080/00207543.2013.852266 CHOU, J.; TAI, Y.; CHANG, L. Predicting the development cost of TFT-LCD manufacturing equipment with artificial intelligence models. International Journal of Production Economics, v. 128 (1), p. 339–350, 2010. http://dx.doi.org/10.1016/j.ijpe.2010.07.031 CHRISTOU, I. T.; LAGODIMOS, A. G.; LYCOPOULOU, D. Hierarchical production planning for multi-product lines in the beverage industry. Production Planning & Control, v. 18 (5), p. 367–376, 2007. http://dx.doi.org/10.1080/09537280701340631 ČIKOTIENĖ, D.; BARGELIS, A. Process modeling for quality in order-handled manufacturing system. Mechanika, v. 1 (1), p. 47–55, 2009. COHEN, M. A.; HO, T. H.; REN, Z. J.; TERWIESCH, C. Measuring imputed cost in the semiconductor equipment supply chain. Management Science, v. 49 (12), p. 1653–1670, 2003. http://dx.doi.org/10.1287/mnsc.49.12.1653.25115 DAI, J. S.; NIAZI, A.; BALABANI, S.; SENEVIRATNE, L. Product Cost Estimation: Technique Classification and Methodology Review. Journal of Manufacturing Science and Engineering, v. 128, p. 563–575, 2006. http://dx.doi.org/10.1115/1.2137750 DANESE, P.; KALCHSCHMIDT, M. The impact of forecasting on companies’ performance : Analysis in a multivariate setting. International Journal of Production Economics, v. 133 (1), p. 458–469, 2011b. http://dx.doi.org/10.1016/j.ijpe.2010.04.016 DANESE, P.; KALCHSCHMIDT, M. The role of the forecasting process in improving forecast accuracy and operational performance. International Journal of Production Economics, v. 131 (1), p. 204–214, 2011a. http://dx.doi.org/10.1016/j.ijpe.2010.09.006 FENG, P.; ZHANG, J.; WU, Z.; YU, D. An improved production planning method for process industries. International Journal of Production Research, v. 49 (14), p. 4223–4243, 2011. http://dx.doi.org/10.1080/00207543.2010.547528 FISCHER, M.; RAMAN, A. Reducing the cost of demand uncertainty through accurate response to early sales. Operations Research, v. 44, p. 87-99, 1996. http://dx.doi.org/10.1287/opre.44.1.87 GIRARDI, G.; CAMARGO, M. E. Forecast Production Volume: A Case Study. CIE: 2009 International Conference on Computers and Industrial Engineering, v. 1-3, p. 1747–1750, 2009. http://dx.doi.org/10.1109/ICCIE.2009.5223501
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
523
HILLBERG, P. A.; SENGUPTA, S.; VAN TIL, R. P. A Comparative Study of Three Predictive Tools for Forecasting a Transfer Line’s Throughput. International Journal of Industrial Engineering-Theory Applications and Practice, v. 16 (1), p. 32–40, 2009. HOOD, S. J.; BERMON, S.; BARAHONA, F. Capacity planning under demand uncertainty for semiconductor manufacturing. IEEE Transactions on Semiconductor Manufacturing, v. 16 (2), p. 273–280, 2003. http://dx.doi.org/10.1109/TSM.2003.811894 JI, P.; CHEN, K. J.; YAN, Q. P. A Mathematical Model for a Multi-Commodity, Two-Stage Transportation and Inventory Problem. International Journal of Industrial Engineering – Theory Applications and Pratice, v. 15 (3), p. 278–285, 2008. KABAK, O.; ULENGIN, F. Possibilistic linear-programming approach for supply chain networking decisions. European Journal of Operational Research, v. 209 (3), p. 253–264, 2011. http://dx.doi.org/10.1016/j.ejor.2010.09.025 KASSEL, S.; TITTMANN, C. Implications from customer behavior for manufacturing. Journal of Intelligent Manufacturing, v. 18 (4), p. 475–478, 2007. http://dx.doi.org/10.1007/s10845-007-0050-8 KHOUJA, M.; KUMAR, R. L. Information technology investments and volume-flexibility in production systems. International Journal of Production Research, v. 40 (1), p. 205–221, 2002. http://dx.doi.org/10.1080/00207540110072948 LAN, C.-H.; LAN, T.-S. A combinatorial manufacturing resource planning model for long-term CNC machining industry. International Journal of Advanced Manufacturing Technology, v. 26 (9-10), p. 1157–1162, 2005. http://dx.doi.org/10.1007/s00170-004-2090-y LI, D.-C.; CHANG, C.-C.; LIU, C.-W.; CHEN, W.-C. A new approach for manufacturing forecast problems with insufficient data: the case of TFT-LCDs. Journal of Intelligent Manufacturing, p. 225–233, 2013. http://dx.doi.org/10.1007/s10845-011-0577-6 MAKRIDAKIS, S.; WHEELWRIGHT, S. C.; HYNDMAN, R. J. Forecasting: methods and applications. 3rd ed. New York: John Wiley & Sons, 1998. MEREDITH, J.; AKINC, U. Characterizing and structuring a new make-to-forecast production strategy. Journal of Operations Management, v. 25 (3), p. 623–642, 2007.http://dx.doi.org/10.1016/j.jom.2006.04.006 PELLEGRINI, F. R.; FOGLIATTO, F. S. Passos para Implantação de Sistemas de Previsão de Demanda – Técnicas e Estudo de Caso. Revista Produção, v. 11, n.1, p. 43-64, 2001.http://dx.doi.org/10.1590/S0103-65132001000100004 PERSONA, A.; BATTINI, D.; MANZINI, R.; PARESCHI, A. Optimal safety stock levels of subassemblies and manufacturing components. International Journal of Production Economics, v. 110 (1-2), p. 147–159, 2007. http://dx.doi.org/10.1016/j.ijpe.2007.02.020 PHUC, P. N. K.; YU, V. F.; CHOU, S.-Y. Manufacturing production plan optimization in three-stage supply chains under Bass model market effects. Computers & Industrial Engineering, v. 65, p. 509–516, 2013. http://dx.doi.org/10.1016/j.cie.2013.02.019 PONSIGNON, T.; LARS, M. Heuristic approaches for master planning in semiconductor manufacturing. Computers & Operations Research, v. 39, p. 479–491, 2012. http://dx.doi.org/10.1016/j.cor.2011.06.009
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
524
RIMAŠAUSKAS, M., BARGELIS, A. The development of the intelligent forecasting model for productivity index in manufacturing. Mechanika, v. 18 (3), p. 354–359, 2012. http://dx.doi.org/10.5755/j01.mech.18.3.1879 SAITOU, K.; MALPATHAK, S.; QVAM, H. Robust design of flexible manufacturing systems using colored Petri net and genetic algorithm. Journal of Intelligent Manufacturing, v. 13 (5), p. 339–351, 2002. http://dx.doi.org/10.1023/A:1019920324813 SAMPAIO, R. F.; MANCINI, M. C. Estudos de Revisão Sistemática: Um guia para síntese criteriosa da evidência científica. Revista Brasileira de Fisioterapia, São Carlos, v. 11, n. 1, p. 83-89, 2007. SAYGIN, C. Adaptive inventory management using RFID data. International Journal of Advanced Manufacturing Technology, v. 32 (9-10), p. 1045–1051, 2007. http://dx.doi.org/10.1007/s00170-006-0405-x SILVA, T. F. G.; LEITE, M. S. A. A influência da gestão da capacidade na determinação do custo unitário de produção: um estudo de caso em uma empresa de embalagens plásticas flexíveis. Revista Produção Online, Florianópolis, SC, v.13, n. 3, p. 915-944, jul./set. 2013. http://dx.doi.org/10.14488/1676-1901.v13i3.1233 SOBREIRO, V. A.; ARAÚJO, P. H. S. L; NAGANO, M. S. Aplicação de sistemas dinâmicos na previsão de custos da produção. Rev. Eletrônica Produção & Engenharia, v. 1, n. 1, p. 27-39, 2008. STASIŠKIS, A.; ČIKOTIENĖ, D.; BARGELIS, A. Simulation of Products Classification System for Manufacturing Cost Forecasting. Mechanika, v. 17 (3), p. 300–305, 2011. http://dx.doi.org/10.5755/j01.mech.17.3.507 STOCKTON, D. J.; KHALIL, R. A.; MUKHONGO, L. M. Cost model development using virtual manufacturing and data mining: part II-comparison of data mining algorithms. International Journal of Advanced Manufacturing Technology, v. 66, p. 1389–1396, 2013. http://dx.doi.org/10.1007/s00170-012-4416-5 TANG, C. S.; RAJARAM, K.; ALPTEKINOGLU, A.; OU, J. H. The benefits of advance booking discount programs: Model and analysis. Management Science, v. 50 (4), p. 465–478, 2004. http://dx.doi.org/10.1287/mnsc.1030.0188 THOME, T.; FELIPE, L.; SUCLLA, N.; JOSE, A. Sales and operations planning: A research synthesis. International Journal of Production Economics, v. 138, p. 1–13, 2012. http://dx.doi.org/10.1016/j.ijpe.2011.11.027 THONEMANN, U. W. Improving supply-chain performance by sharing advance demand information. European Journal of Operational Research, v. 142 (1), p. 81–107, 2002. http://dx.doi.org/10.1016/S0377-2217(01)00281-8 TIACCI, L; SAETTA, S. Demand forecasting, lot sizing and scheduling on a rolling horizon basis. International Journal of Production Economics, v. 140, p. 803-814, 2012. http://dx.doi.org/10.1016/j.ijpe.2012.02.007 TIRKEL, I. Yield Learning Curve Models in Semiconductor Manufacturing. IEEE Transactions On Semiconductor Manufacturing, v. 26 (4), p. 564-571, 2013. http://dx.doi.org/10.1109/TSM.2013.2272017
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
525
ÜLKÜ, S.; TOKTAY, L. B.; YÜCESAN, E. Risk ownership in contract manufacturing. Manufacturing and Service Operations Management, v. 9 (3), p. 225–241, 2007. http://dx.doi.org/10.1287/msom.1060.0141 VEIGA, C. P.; VEIGA, C. R. P.; VIEIRA, G. E.; TORTATO, U. Impacto financeiro dos erros na previsão empresarial: Um estudo comparativo entre Modelos Lineares e Redes Neurais. Revista Produção Online, Florianópolis, SC, v.12, n. 3, p. 629-656, jul./set. 2012. http://dx.doi.org/10.14488/1676-1901.v12i3.959 WANG, Q. Artificial neural networks as cost engineering methods in a collaborative manufacturing environment. International Journal of Production Economics, v. 109 (1-2), p. 53–64, 2007. http://dx.doi.org/10.1016/j.ijpe.2006.11.006 WU, S. D.; KEMPF, K. G.; ATAN, M. O.; AYTAC, B.; SHIRODKAR, S. A.; MISHRA, A. Improving New-Product Forecasting at Intel Corporation. Interfaces, v. 40 (5), p. 385–396, 2010. http://dx.doi.org/10.1287/inte.1100.0504 YIMER, A. D.; DEMIRLI, K. A genetic approach to two-phase optimization of dynamic supply chain scheduling. Computers & Industrial Engineering, v. 58 (3), p. 411–422, 2010. http://dx.doi.org/10.1016/j.cie.2009.01.010 ZHANG, J.; SHOU, B.; CHEN, J. Postponed product differentiation with demand information update. International Journal of Production Economics, v. 141, p. 529–540, 2013. http://dx.doi.org/10.1016/j.ijpe.2012.09.007 ZHANG, X.; PRAJAPATI, M.; PEDEN, E. A stochastic production planning model under uncertain seasonal demand and market growth. International Journal of Production Research, v. 49 (7), p. 1957–1975, 2011. http://dx.doi.org/10.1080/00207541003690074
Artigo recebido em 18/10/2014 e aceito para publicação em 22/04/2015
DOI: http://dx.doi.org/ 10.14488/1676-1901.v15i2.1899
Revista Produção Online, Florianópolis, SC, v.15, n. 2, p.504-526, abr./jun. 2015
526